“目前正在发生的最主要的里程碑是自主驾驶、AI（人工智能）方面的变革。”特斯拉创始人马斯克在最新的财报分析会上称，“一旦相关法规允许，或许一夜之间，将会有数以百万计的车辆在性能方面增长五倍。其他方面跟这个比起来，就小巫见大巫了。”
自动驾驶背后的巨大变革
这并不是特斯拉创始人马斯克无的放矢。汽车产业升级换代，自动驾驶已经成为资本与创业者追逐的最重要战场，国内亦称之为智能网联汽车。与电动化、共享化相并列，自动驾驶（智能化 + 网联化）早已被产业界普遍认可为汽车产业未来发展的「新四化」趋势之一。
对于这种技术引发的未来革命，从商业角度上讲，自动驾驶时代，汽车不再只是汽车，而是用户的第三空间。高等级自动驾驶意味着手、脚、眼和注意力将逐步被解放，从「机器辅助人开车」（L2）到「机器开车人辅助」（L3）、「机器开车」（L4/L5）意味着车主的生产力、时间的释放，汽车将不再是代步工具，用户在车内即可实现娱乐和办公，汽车有望进化成为家庭、办公场所之外的第三生活空间。
自动驾驶汽车令其产品形态被重新定义，商业价值也将更多维度地展开（自动驾驶创造了新的消费经济和生产力市场——乘客经济，乘客在路上或消费，或工作，或娱乐，每一辆车都可以变成移动的商业地产）。
当自动驾驶技术达到成熟阶段，驾驶员有更多时间做其他事情。自动驾驶可为用户每天省出 50 分钟时间，用于旅行中的工作、放松和娱乐。而由于自动驾驶解放了驾驶员的注意力，原来的驾驶场景也将成为另外
一个购物、信息推送、休闲娱乐的重要场景。
此外，不仅仅是特斯拉，世界范围内的汽车制造商可能会在未来几年内定义并调整他们在自动驾驶领域中的战略地位。百度计划 2020 年实现自动驾驶汽车的全面量产；宝马计划 2021 年推出完全自动驾驶汽车；福特计划在 2021 年推出自动驾驶汽车；戴姆勒称，普通道路上实现自动驾驶的卡车将在 2020 年研发成功。
科技类巨头正在把重点放在“可转移”的消费群体上，以便快速捕捉流量并维持配套的商业模式。此外，OEM 有着重要的技术及商业资本，他们将成为快速跟进者，对自动驾驶研究进行投资。然后，当其在高端领域的渗透力不断增长时，OEM 还会等待核心技术整车成本的下降。
除此之外，伴随着自动驾驶，也将衍生出更多的创新产品。近年来，已经有许多移动应用创新出现，而多数已按此付费的方式呈现，例如拼车、合伙用车、“e-hailing”出租车替代物及点对点汽车租赁，这些正吸引着投资且呈显著增长态势。此外，e-hailing 模式在年度投资资金及市场渗透方面都有着特别显著的增长。
自动驾驶还加速了可供用户使用的机器人开发。自动驾驶的广泛渗透很可能会加速可供用户使用的机器人开发（包括类人机器人），因为两者可共享很多技术，包括远程高级感知、超精密定位 /GPS、图像识别和高级人工智能。除技术共享外，自动驾驶及机器人也可从相同基础设施的使用中获益，包括共享充电站、服务中心及 M2M（机器对机器）通讯网络。这些共性可能会促使参与者对这两项应用进行投资，这在所选汽车制造商及高科技参与者对机器人所做的重大投资中已得到证明。
5G+AI 打通自动驾驶「任督二脉」
由于人工智能的大量应用，自动驾驶技术更依赖于网络，如通过云端获取的高精地图、精准导航等的数据，其安全性显得尤为突出。
现阶段，市场上流通的普遍自动驾驶汽车为 L2 级别的自动驾驶技术，（以特斯拉 AutoPilot 为典型代表）。在 L2 及以下的自动驾驶技术仍然是辅助驾驶技术，尽管可以一定程度上解放双手（HandsOff），但是环境感知、接管仍然需要人来完成，即由人来进行驾驶环境的观察，并且在紧急情况下直接接管。那么，如何才能突破这一技术局限性呢？
自动驾驶汽车基本工作逻辑是，通过摄像机、激光雷达、毫米波雷达、超声波等车载传感器来感知周围的环境，依据所获取的信息来进行决策判断，由工作模型来制定相应的策略，如预测本车与其他车辆、行人等在未来一段时间内的运动状态，并进行避碰路径规划。
L3 的主要升级在于实时监测环境并作出反应，其主要难点在于机器的感知能力能否达到要求。驾驶这种等级的车辆，司机只需要在系统提示的时候接管车辆的掌控权或者完成判断，正常加减速、转弯等操作基本可以交给系统来处理。
目前，业内普遍认为，5G/V2X 技术为自动驾驶打通外部「大脑」。车联网 V2X 就是把车连到网或者把车连成网，包括汽车对汽车（V2V）、汽车对基础设施（V2I）、汽车对互联网（V2N）和汽车对行人（V2P）。通过 V2X 网络，相当于自动驾驶打通外「大脑」，提供了丰富、及时的「外部信息」输入，能够有效弥补单车智能的感知盲点。
可以说，V2X 是自动驾驶加速剂，能够有效补充单车智能的技术、加速反应效率。此时，利用 5G网络具备低时延、高吞吐、高可靠的特性，提升 V2X传输信息的丰富性和及时性，也提升了 V2X 传感器的技术价值。
另一方面，英伟达 CEO 黄仁勋的观点是「自动驾驶本质是 AI 计算问题，需求的计算力取决于希望实现的功能」，其认为自动驾驶汽车需要对周边的环境进行判断之后还作出决策，到底要采取什么样的行动，本质上是一个 AI 计算的问题，车上必须配备一台 AI 超级处理器，然后基于 AI 算法能够进行认知、推理以及驾驶。根据自动驾驶芯片设计初创公司地平线的观点，要实现 L3 级的自动驾驶起码需要 20 个teraflops（每秒万亿次浮点运算）以上的的计算力级别，而在 L4 级、L5 级，计算力的要求将继续指数级上升。
以深度学习为代表的 AI 机器视觉崛起，成功突破 L3 的技术瓶颈。以 Mobileye 的 L2 级别辅助驾驶为例，仍然是基于后端规则库的传统机器视觉，通过匹配后端规则库与前端摄像头的输入数据，进行物体的识别和跟踪。传统机器视觉最大的问题是，规则库是有限的，而汽车面对的环境是无限的。而在深度学习的框架引进并发扬光大后，AI 处理图像分类任务的能力大幅提升，错误率直接下降。以 ImageNet 机器视觉大赛为例，深度学习技术框架下的机器视觉和传统的机器视觉有着明显的量级的提升。不断成熟完善的 AI 机器视觉配合高精度地图作为安全冗余，对于突破 L3 的技术瓶颈起到了关键的作用。
引入以强化学习为代表的 AI 技术，5G 打通外部「大脑」，助力 L4 自动驾驶场景的实现。传统基于搜索或者规则引擎的驾驶决策系统，往往只能采取非常保守的驾驶策略，即遇到障碍物立即刹停。而变道超车，加塞卡位等等在日常驾驶中经常需要面对的情况，目前的系统需要人为设计各种精妙的策略进行应对，在设计策略时一旦有所疏忽，后果很可能是车毁人亡。如何让机器真正像人一样地开车，学会自主地决策，是 L4 的关键所在。
谷歌 AlphaGo 在围棋领域的成功是一个重要的标志性事件，其创新地引入了强化学习等全新的 AI学习框架，模拟了人的思考方式，标志着机器智能的重要突破。引入强化学习的框架后，自动驾驶车辆可以像 AlphaGo 一样思考学习，进行自主决策。此外，以 5G 为代表的 V2X 的引入，相当于打通了自动驾驶的外部「大脑」，可以为自动驾驶车辆提供更实时、更全面的外部信息，更好的实现多车的协同、交互，突破单车智能的技术瓶颈，助力 L4 自动驾驶场景的实现。
政策逐步放开，机遇和挑战并存
不过，自动驾驶汽车在大多数国家和地区尚不被法律认可，但美国、欧盟、日本等发达国家和地区认为，自动驾驶汽车是交通发展的趋势，应当通过立法予以鼓励。
例如，美国部分州（区）、英国、瑞典、德国、日本等国家和地区已经进行了相关立法，但普遍仅针对 L1 至 L3 等级的车载自动系统辅助性驾驶阶段，要求自动驾驶汽车上道路行驶只能用作试验用途，且对上道路测试的条件和要求普遍严格，同时要求必须有驾驶人监管，以便在紧急情况下随时切换到人工驾驶模式，相应的通行规则和法律责任等规定也未突破现有法律框架。
在中国，进入 2020 年，随着人工智能、5G 等前沿技术加速应用，自动驾驶汽车热潮得以持续蔓延。着眼于自动驾驶行业现状与未来趋势，国家及各地政府陆续发布了一系列支持性政策，助力自动驾驶产业链健康、快速、可持续发展。
2 月 24 日，工信部等 11 部委联合发布《智能汽车创新发展战略》。战略提出，到 2025年，中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本形成。同时，实现有条件自动驾驶的智能汽车达到规模化生产，实现高度自动驾驶的智能汽车在特定环境下市场化应用。
4 月 16 日，工信部再次发布《2020 年智能网联汽车标准化工作要点》。要点明确，工信部将加快完善智能网联汽车标准体系建设，实现《国家车联网产业标准体系建设指南（智能网联汽车）》第一阶段建设目标，形成能够支撑驾驶辅助及低级别自动驾驶的智能网联汽车标准体系。
截至目前，由国家规定和授权的国家级自动驾驶试验场已在上海、北京、河北、江苏、长沙等地正式对外开放，测试道路涵盖乡村、城镇、城市、高速、越野等多种类型道路。
不过，自动驾驶汽车实际行驶过程中难免会因为某些原因而产生事故，如何划分事故责任，如何做到公正裁决等这些都是要进行深入讨论与验证的问题。目前并没有哪些国家对自动驾驶汽车专门制定完善的政策法规，要想真正的实现自动驾驶汽车的普及化，这是一个必须解决并且需要格外小心的问题。
但相信，随着技术趋于成熟，自动驾驶政策将愈发细化，对于自动驾驶汽车产业发展的指导与管理更为清晰。未来，随着各项政策加速落地，以及新政策、新法规的逐步完善，自动驾驶技术将推动汽车产业迈向新时代。
媒体问询，请联系：
叶菡
陈晓芸
沪公网安备 31011502007981号